Multiagent-Prediction-Reward é uma estrutura orientada à pesquisa que integra modelos de previsão e mecanismos de distribuição de recompensas para aprendizado por reforço multiagente. Inclui wrappers de ambiente, módulos neurais para previsão de ações dos pares, e lógica de roteamento de recompensas personalizável que se adapta ao desempenho do agente. O repositório fornece arquivos de configuração, scripts de exemplo e painéis de avaliação para rodar experimentos em tarefas cooperativas. Usuários podem estender o código para testar novas funções de recompensa, integrar novos ambientes e comparar com algoritmos RL multiagente estabelecidos.

VMAS é um kit completo para construir e treinar sistemas multiagentes usando aprendizado por reforço profundo. Suporta simulação paralela baseada em GPU de centenas de instâncias de ambientes, permitindo coleta de dados de alta taxa e treinamento escalável. Inclui implementações de algoritmos populares de MARL como PPO, MADDPG, QMIX e COMA, juntamente com interfaces modulares de políticas e ambientes para prototipagem rápida. O framework facilita o treinamento centralizado com execução descentralizada (CTDE), oferece ajuste de recompensa personalizável, espaços de observação e hooks de callback para logging e visualização. Com seu design modular, o VMAS integra-se perfeitamente com modelos PyTorch e ambientes externos, tornando-se ideal para pesquisa em tarefas cooperativas, competitivas e de motivos mistos, abrangendo robótica, controle de tráfego, alocação de recursos e cenários de IA de jogos.

O Ambiente de Busca Cooperativa fornece um ambiente de aprendizado por reforço multiagente flexível e compatível com gym, projetado para tarefas de busca cooperativa tanto em ambientes de grade discreta quanto em espaços contínuos. Os agentes operam sob observabilidade parcial e podem compartilhar informações com base em topologias de comunicação personalizáveis. O framework suporta cenários predefinidos como busca e resgate, rastreamento de alvos dinâmicos e mapeamento colaborativo, com APIs para definir ambientes e estruturas de recompensa personalizadas. Integra-se facilmente com bibliotecas de RL populares como Stable Baselines3 e Ray RLlib, inclui utilitários de registro para análise de desempenho e oferece ferramentas de visualização integradas para monitoramento em tempo real. Pesquisadores podem ajustar tamanhos de grade, contagem de agentes, alcances de sensores e mecanismos de compartilhamento de recompensas para avaliar estratégias de coordenação e testar novos algoritmos de forma eficaz.